以非常规方式使用神经网络来估计模型参数

Question

我刚开始研究机器学习和神经网络，以解决一个非常具体的问题。

我有数百万张图片来说明这样的磁盘：

每张图像中磁盘的位置和半径可能会有所不同。与每个图像一起，我有三个相关的实数。这三个数字代表用于评估图像的磁盘模型的三个参数：x_position，y_position和radius。

我想要的是以下内容：

• 使用图像和相关参数值训练网络。这些应该是唯一的输入。
• 使用经过培训的网络估算培训后我可能提供的任何磁盘映像的三个参数值。

换句话说，我想估计图像中参数模型的参数，而我的软件不知道模型的分析形式。

我知道这种做法是一种矫枉过正。我可以很容易地使用梯度下降最小化来解决这个问题，但我真的想用上面的方法来做。此外，实际上我用来生成图像的模型不是一个简单的磁盘，而是一个更复杂的模型，它需要更多的时间来生成。此外，这些数据（数百万张图像及其相关参数值）已经生成，因此有大量数据可供培训。

不幸的是，我无法在互联网上找到这个特定问题的一个例子。我发现的大多数示例都是特定函数的分类器或优化器。我的情况不同：神经网络应该对模型的分析形式（上例中的磁盘）一无所知，应该使用我在上面提到的输入数据进行训练。由于我对机器学习的知识有限（刚刚开始阅读）和非常规的问题解决方法，我甚至不知道如何谷歌我想要的。

有人能指出我正确的方向吗？

• 我应该查看一些在线示例吗？
• 我如何谷歌上述方法？ （我知道，这个问题听起来很傻）
• 最好使用Python，C，C ++中的示例